ESC
输入关键词搜索文章
目录

微分方程

高等数学 · 课程笔记
用变化规律反推出函数本身
5方程类型
4例题
3求解视角
2变换方法
Part 0 · 学习目标
微分方程描述“变化率满足什么规律”

普通方程求的是数,微分方程求的是函数。它给出的不是函数值本身,而是函数及其导数之间的关系。MIT 18.03SC 把一阶 ODE 的学习分成三种视角:解析解、几何图像和数值近似。这三种视角正好对应“公式求解、方向场理解、计算机迭代”。

前置知识回顾

  • 导数:微分方程的语言。去哪里补:导数与微分
  • 积分:分离变量和积分因子都会用到。去哪里补:积分与累积
  • 指数函数:常系数线性方程的基本解来自 $e^{rx}$
Part 1 · 基本概念
ODE 与 PDE 的区别

常微分方程只含一个自变量,例如

$$F(x,y,y',\dots,y^{(n)})=0$$

偏微分方程含多个自变量和偏导,例如

$$<p>F(x_1,\dots,x_n,u,u_{x_1},u_{x_1x_1},\dots)=0</p> <p>$$

本节以 ODE 为主,PDE 只做入口说明。

Part 2 · 一阶方程
可分离变量与一阶线性方程

可分离变量方程形如

$$\frac{dy}{dx}=f(x)g(y)$$

把含 $y$ 的项放一边,含 $x$ 的项放另一边:

$$<p>\int\frac{dy}{g(y)}=\int f(x)dx+C</p>$$

例题 1:可分离变量

题目:$y'=xy$

步骤:

$$\frac{dy}{y}=x dx$$

积分得

$$<p>\ln|y|=\frac{x^2}{2}+C</p>$$

所以

$$y=Ce^{x^2/2}$$

答案:$y=Ce^{x^2/2}$

一阶线性方程标准形式为

$$<p>y'+P(x)y=Q(x)</p>$$

积分因子为

$$\mu(x)=e^{\int P(x)dx}$$

乘上积分因子后,左边变成乘积导数:

$$<p>(\mu y)'=\mu Q</p> <p>$$

Part 3 · 高阶线性方程
特征方程把微分问题变成代数问题

对常系数齐次方程

$$y''+py'+qy=0$$

尝试 $y=e^{rx}$,代入得到

$$<p>r^2+pr+q=0</p>$$

这就是特征方程。不同根型对应不同解型。

例题 2:二阶常系数方程

题目:$y''-3y'+2y=0$

步骤:特征方程

$$r^2-3r+2=0=(r-1)(r-2)$$

两个相异实根 $1,2$

答案:

$$<p>y=C_1e^x+C_2e^{2x}</p> <p>$$

Part 4 · 拉普拉斯变换
把微分方程变成代数方程

拉普拉斯变换定义为

$$\mathcal L\{f(t)\}=F(s)=\int_0^{\infty}e^{-st}f(t)dt$$

关键性质是

$$<p>\mathcal L\{f'(t)\}=sF(s)-f(0)</p>$$

因此初值问题可以变成关于 $F(s)$ 的代数方程。这个思想和 DSP 中用 Z 变换解差分方程非常接近:微分/移位结构在变换域中变成代数结构。可对照 Z 变换笔记

例题 3:一阶初值问题

题目:$y'+y=1,\ y(0)=0$

步骤:取拉普拉斯变换:

$$sY(s)-0+Y(s)=\frac1s$$

所以

$$<p>Y(s)=\frac{1}{s(s+1)}=\frac1s-\frac{1}{s+1}</p>$$

反变换得到

$$y(t)=1-e^{-t}$$

答案:$y(t)=1-e^{-t}$

Part 5 · PDE 与数值解
解析解之外,还有几何和数值视角

典型 PDE 包括波动方程、热传导方程和拉普拉斯方程:

$$u_{tt}=c^2u_{xx},\qquad u_t=\alpha u_{xx},\qquad u_{xx}+u_{yy}=0$$

很多微分方程难以解析求解,因此需要数值方法。最基础的欧拉方法是

$$<p>y_{n+1}=y_n+h f(x_n,y_n)</p>$$

例题 4:欧拉方法一步

题目:$y'=x+y$$y(0)=1$,取 $h=0.1$,求一步近似 $y_1$

步骤:$x_0=0,y_0=1$,所以 $f(x_0,y_0)=1$

$$y_1=y_0+h f(x_0,y_0)=1+0.1\cdot1=1.1$$

答案:$y(0.1)\approx1.1$

复习速查

  • 可分离变量:把 $x,y$ 分到两边积分。
  • 一阶线性:用积分因子把左边变成乘积导数。
  • 常系数线性:设 $e^{rx}$,转成特征方程。
  • 拉普拉斯变换:把微分和初值一起代数化。
  • 欧拉法:沿当前斜率走一步,是最基本的数值近似。

参考来源